Japońscy naukowcy stworzyli AI, która „czyta” artykuły naukowe i znajduje nowe materiały energetyczne
Edytowane przez: an_lymons
Innowacyjny system sztucznej inteligencji o nazwie DIVE rewolucjonizuje proces poszukiwania materiałów do magazynowania wodoru, co stanowi kluczowy element globalnej transformacji energetycznej. Naukowcy z Instytutu Zaawansowanych Badań nad Materiałami (WPI-AIMR) działającego przy Uniwersytecie Tohoku wprowadzili to nowoczesne rozwiązanie, aby zautomatyzować analizę tysięcy publikacji naukowych i znacząco przyspieszyć postęp w dziedzinie czystej energii. Dzięki temu narzędziu możliwe jest skrócenie lat żmudnych badań do zaledwie kilku tygodni intensywnej pracy algorytmów.
Twórcy systemu z Japonii podkreślają, że w pełni autonomiczne rozwiązania, które potrafią w sposób rzetelny i powtarzalny łączyć surowe dane eksperymentalne z procesem odkrywania nowych substancji, znajdują się wciąż na wczesnym etapie rozwoju technologicznego. System DIVE został zaprojektowany jako bezpośrednia odpowiedź na to palące wyzwanie współczesnej nauki, oferując badaczom możliwość skutecznego wydobywania i strukturyzowania informacji, które dotychczas pozostawały ukryte w gąszczu tekstów lub były niedostępne dla tradycyjnych, mniej zaawansowanych metod analitycznych.
Jedną z najbardziej przełomowych i unikalnych cech systemu DIVE jest jego zdolność do precyzyjnego odczytywania oraz interpretowania danych eksperymentalnych bezpośrednio z wykresów, tabel i skomplikowanych ilustracji zamieszczonych w recenzowanych artykułach naukowych. Ta innowacyjna funkcja sprawia, że statyczne elementy wizualne badań są przekształcane w dynamiczne, ustrukturyzowane zbiory danych, które mogą być natychmiast poddane zaawansowanej obróbce przez algorytmy uczenia maszynowego, co eliminuje konieczność ręcznego przepisywania wyników.
Do momentu oficjalnej publikacji wyników, system DIVE zdołał już przeanalizować ponad 4000 specjalistycznych prac naukowych, co zaowocowało zgromadzeniem imponującej bazy danych zawierającej ponad 30 000 indywidualnych rekordów materiałowych. Tak gigantyczny zasób informacji pozwala naukowcom na prowadzenie szeroko zakrojonych analiz porównawczych na niespotykaną dotąd skalę oraz na identyfikowanie subtelnych zależności i wzorców fizykochemicznych, których dostrzeżenie przez człowieka byłoby w praktyce niemożliwe ze względu na ograniczenia czasowe i kognitywne.
Podczas rygorystycznych testów wydajnościowych, skoncentrowanych głównie na materiałach przeznaczonych do stałego magazynowania wodoru, system DIVE wykazał miażdżącą przewagę nad obecnie dostępnymi na rynku rozwiązaniami technologicznymi. Dokładność ekstrakcji kluczowych danych przez ten japoński system okazała się o 10–15% wyższa w porównaniu do najpopularniejszych komercyjnych modeli sztucznej inteligencji oraz o ponad 30% wyższa niż w przypadku systemów opartych na otwartym kodzie źródłowym, co czyni go najprecyzyjniejszym narzędziem w swojej klasie.
System został wyposażony w nowoczesny i intuicyjny interfejs konwersacyjny, który umożliwia badaczom komunikację z bazą danych w sposób zbliżony do naturalnej rozmowy. Naukowiec definiuje konkretne parametry techniczne poszukiwanych materiałów, a w ciągu zaledwie kilku minut otrzymuje precyzyjnie wyselekcjonowaną listę propozycji, w tym substancje, które nigdy wcześniej nie zostały szczegółowo opisane w literaturze. Pozwala to na pełne wdrożenie koncepcji „projektowania odwrotnego” (inverse design), w której najpierw określa się docelowe właściwości fizyczne, a sztuczna inteligencja samodzielnie dobiera optymalny skład chemiczny i strukturę materiału.
Technologia DIVE została w pełni zintegrowana z Digital Hydrogen Platform (DigHyd), która obecnie pełni rolę największej na świecie cyfrowej bazy danych dedykowanej wyłącznie zagadnieniom stałego magazynowania wodoru. Platforma ta stanowi pierwsze tak wysoce wyspecjalizowane środowisko cyfrowe na globie, tworząc solidne fundamenty pod celowe, oparte na danych projektowanie nowoczesnych materiałów wodorowych, które mogą zrewolucjonizować transport i przemysł ciężki.
Profesor Hao Li z Instytutu WPI-AIMR zaznacza, że to właśnie dogłębne i precyzyjne zrozumienie właściwości fizykochemicznych materiałów jest absolutnym kluczem do sukcesu w rozwoju globalnej, czystej energetyki wodorowej. Nadrzędnym celem prowadzonych badań jest stworzenie technologii, która będzie nie tylko wysoce wydajna, ale przede wszystkim bezpieczna w eksploatacji, powszechnie dostępna pod względem ekonomicznym i gotowa do masowego wdrożenia w infrastrukturze energetycznej wielu państw.
W swoich wypowiedziach profesor Li wielokrotnie podkreślał, że wdrożenie systemu DIVE ma potencjał, aby drastycznie skrócić ścieżkę, jaką musi przebyć technologia od momentu teoretycznego odkrycia naukowego do jego praktycznej implementacji w rzeczywistych systemach energetycznych. Synergia pomiędzy systemem DIVE a platformą DigHyd tworzy trwały i niezwykle wydajny potok danych, który jest codziennie aktualizowany o najnowsze wyniki badań z całego świata, zapewniając naukowcom stały dostęp do najświeższej wiedzy.
Poprzez pełną automatyzację najbardziej żmudnych i czasochłonnych etapów analizy literatury fachowej, japońscy badacze z Uniwersytetu Tohoku otwierają zupełnie nowy rozdział w historii inżynierii materiałowej. Opracowany przez nich system nie tylko drastycznie oszczędza cenny czas ekspertów, ale przede wszystkim minimalizuje ryzyko ludzkiego błędu lub przeoczenia kluczowych informacji, co w dłuższej perspektywie może stać się katalizatorem dla globalnej transformacji w stronę zrównoważonych i ekologicznych źródeł energii opartych na wodorze.
10 Wyświetlenia
Źródła
Mirage News
Research News - “DIVE” into Hydrogen Storage Materials Discovery with AI Agents
“DIVE” into hydrogen storage materials discovery with AI agents | Chemical Science (RSC Publishing)
科学論文の図表を読み解き、有効に利活用するAIワークフローDIVEを開発
Research News - “DIVE” into Hydrogen Storage Materials Discovery with AI Agents
Hao LI | Distinguished Professor | Doctor of Philosophy | Tohoku University, Sendai | Tohokudai | Advanced Institute for Materials Research (WPI-AIMR) | Research profile - ResearchGate
Przeczytaj więcej wiadomości na ten temat:
Czy znalazłeś błąd lub niedokładność?Rozważymy Twoje uwagi tak szybko, jak to możliwe.